챕터별 상세
표준화에서 사회문화적 반응형 평가로의 전환
Candace Thille 교수는 스탠포드와 ETS의 협력이 교육 측정 분야의 뿌리를 둔 두 기관의 만남임을 강조했다. 과거에는 공정성과 비교 가능성을 확보하기 위해 '표준화(Standardization)'를 핵심 수단으로 삼았으나, 현재는 이것이 사회문화적으로 책임감 있는 평가를 만드는 데 한계가 있음을 인정했다. 따라서 AI의 기능을 활용하여 공정성, 비교 가능성, 타당성, 신뢰성이라는 평가의 기본 구성 개념(Constructs)을 새롭게 정의해야 하는 시점이다. 컨퍼런스의 논의 결과는 향후 화이트 페이퍼로 발간되어 구체적인 방향성을 제시할 예정이다.
교육 측정(Educational Measurement)에서 구성 개념이란 직접 관찰할 수 없는 학습자의 능력이나 특성을 정의하는 이론적 틀을 의미한다.
AI 시대 평가의 4가지 핵심 기둥
Jesse Sparks 박사는 컨퍼런스에서 다룬 네 가지 주요 패널 주제를 요약했다. 첫째는 AI 시대에 실제로 중요해지는 역량과 준비도에 대한 논의였으며, 둘째는 사회문화적으로 반응하고 책임감 있는 평가 설계 방법론이었다. 셋째는 기술을 활용하여 학습자의 지식과 기술을 추론할 수 있는 새로운 형태의 행동 증거(Behavioral Evidence)를 수집하는 방안을 검토했다. 마지막으로 학습과 평가 전반에 걸쳐 책임감 있는 AI를 구현하기 위한 구체적인 전략들이 논의되었다. 특히 K-12 교육 현장에서의 AI 적용에 대한 심도 있는 토론이 이루어졌다.
행동 증거(Behavioral Evidence)는 학습자가 문제를 해결하는 과정에서 보이는 클릭 스트림, 응답 시간, 수정 이력 등 디지털 로그 데이터를 통해 역량을 파악하는 것을 의미한다.
책임감 있는 평가를 위한 AI 센터 출범
ETS는 '책임감 있는 평가 및 학습을 위한 AI 센터(Center on Responsible AI for Assessment and Learning)'의 공식 출범을 발표했다. 이 센터는 AI 기술을 평가 프로세스에 통합하는 과정에서 발생할 수 있는 윤리적 문제와 기술적 한계를 연구하는 전담 기구 역할을 수행한다. 단순히 기술을 도입하는 것을 넘어, 평가의 본질인 공정성과 신뢰성을 유지하면서도 AI의 효율성을 극대화할 수 있는 실무 가이드라인을 개발하는 것이 목표이다. 발표자는 연구자 및 실무자들에게 센터와의 협업 및 지속적인 대화 참여를 독려하며 세션을 마무리했다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 02. 20.수집 2026. 02. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
